pytest_generate_tests钩子用于在测试收集阶段将单个测试函数动态展开为多个参数化用例，是比@pytest.mark.parametrize更底层的参数化机制，适用于需根据外部数据（如文件、数据库）动态生成用例的场景。
pytest_generate_tests 钩子到底用来干啥
它不是用来“运行”测试的，而是用来在 pytest 收集测试函数前，把一个测试函数“展开”成多个带不同参数的测试用例。本质是参数化入口，比 @pytest.mark.parametrize 更底层、更灵活，适合需要根据外部数据（比如文件、数据库、配置）动态决定用例数量和参数的场景。
怎么写一个能跑通的 pytest_generate_tests
必须定义在 conftest.py 或测试模块顶层，函数签名固定为 pytest_generate_tests(metafunc)。关键在判断要不要处理、怎么取参数名、怎么塞进 metafunc.parametrize()：
- 用
if "param_name" in metafunc.fixturenames判断当前测试函数是否声明了对应 fixture 参数 - 用
metafunc.parametrize("param_name", values, ids=...)注入参数列表；ids强烈建议传，否则失败时看不出是哪组数据出的问题 - 不要在钩子里调用
pytest.skip()或做断言，它只负责“生成”，不参与执行
示例：想让所有含 data 参数的测试，自动加载 test_data.json 里的条目：
def pytest_generate_tests(metafunc):
if "data" in metafunc.fixturenames:
import json
with open("test_data.json") as f:
cases = json.load(f)
metafunc.parametrize("data", cases, ids=[c["name"] for c in cases])
常见报错：fixture 'xxx' not found 或 test function got multiple values
前者说明 metafunc.parametrize() 的第一个参数名（如 "data"）和测试函数签名里的参数名不一致；后者通常是测试函数写了默认值（如 def test_foo(data=None)），但钩子又传了 data —— pytest 不允许 fixture 和默认值共存。
立即学习“Python免费学习笔记（深入）”；
- 检查测试函数定义：必须是
def test_xxx(data):，不能有默认值 - 确认
metafunc.parametrize()第一个字符串和函数参数名完全一致（包括大小写、下划线） - 如果测试函数依赖多个动态参数，每个都要单独判断 + 调用
parametrize，且确保它们笛卡尔积合理
和 @pytest.mark.parametrize 混用会怎样
会叠加。比如钩子里对 data parametrize 了 3 组，测试函数上又有 @pytest.mark.parametrize("mode", ["fast", "slow"])，最终生成 3×2=6 个用例。但要注意顺序和 ids 可读性——钩子生成的 id 会出现在前面，装饰器的在后面，中间用 - 连接，容易混乱。
- 优先选一种方式，避免交叉管理；钩子更适合跨文件统一规则，装饰器适合单个测试的显式控制
- 若必须混用，用
ids显式命名每层，比如钩子用ids=lambda x: f"data_{x['id']}"，装饰器用ids=["fast", "slow"] - 调试时加
pytest --collect-only看实际生成的用例名，比猜靠谱得多
钩子真正的复杂点不在语法，而在数据源生命周期管理：文件读取失败、网络请求超时、缓存过期——这些异常不会被 pytest 捕获为测试失败，而是直接中断收集过程，导致整个测试套件无法启动。
